Miembros de la Unidad de Data Science (UDS) de la UdeC participarán el 13 de diciembre de la Neural Information Processing Systems (NeurIPS) que se realizará de forma virtual del 6 al 14 de diciembre y que desde sus inicios en 1987 busca fomentar el intercambio de avances de investigación en Inteligencia Artificial y Machine Learning.

Durante la conferencia internacional, los investigadores presentarán sus papers en tres workshops: “Distribution Shift”, donde se abordará cómo incrementar la capacidad de generalización de los algoritmos de inteligencia artificial ante cambios en el dominio de los datos; “Machine Learning and the Physical Sciences” sobre el uso de las distintas técnicas de inteligencia artificial para abordar desafíos de las ciencias físicas, y “Medical Imaging meets NeurIPS” que expondrá métodos de inteligencia artificial aplicado a imágenes médicas.

Manuel Pérez, ingeniero civil industrial y subdirector de UDS UdeC, presentará su trabajo sobre el que cuenta que “propone un algoritmo de aprendizaje profundo que reduce la cantidad de etiquetas necesarias para categorizar objetos en imágenes a través del uso de perturbaciones estocásticas”, idea inspirada en la capacidad humana de reconocer objetivos, incluso si hay interferencias al campo visual.

El ingeniero civil informático Alexis Sánchez presentará su estudio centrado en estimar parámetros eficientes que ocupan los modelos para clasificar correctamente supernovas y sus características.

Constanza Vásquez, ingeniera civil biomédica, presentará su investigación que buscó proponer algoritmos de inteligencia artificial para automatizar la tarea de determinar el progreso de la Covid-19, ya que resalta que “para cuantificar el nivel de avance de la enfermedad es necesario saber exactamente cuánto del pulmón se encuentra comprometido, pero hacerlo de forma manual es lento y costoso”.

Por último, el estudiante del Magíster en Ciencias de la Computación Esteban Medina presentará su paper sobre el uso de redes neuronales para corregir el sesgo que se genera en las imágenes de galaxias en baja calidad, lo que ocasiona clasificación incorrecta de algunas galaxias.